MétaCan
Menu
Retour à la cohorte
Enregistrement W2957900200 · doi:10.3390/rs11141682

Wind Speed Retrieval from Simulated RADARSAT Constellation Mission Compact Polarimetry SAR Data for Marine Application

2019· article· en· W2957900200 sur OpenAlexafffundabout
Torsten Geldsetzer, Shahid Khurshid, Kerri Warner, Filipe Botelho, Dean Flett

Notice bibliographique

RevueRemote Sensing · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesCanadian Space AgencyNatural Resources CanadaFisheries and Oceans CanadaEnvironment and Climate Change Canada
Mots-clésRemote sensingWind speedEnvironmental sciencePolarimetrySynthetic aperture radarConstellationMode (computer interface)Inversion (geology)MeteorologyComputer scienceGeologyPhysicsOpticsScatteringSeismology

Résumé

récupéré en direct d'OpenAlex

RADARSAT Constellation Mission (RCM) compact polarimetry (CP) data were simulated using 504 RADARSAT-2 quad-pol SAR images. These images were used to samples CP data in three RCM modes to build a data set with co-located ocean wind vector observations from in situ buoys on the West and East coasts of Canada. Wind speeds up to 18 m/s were included. CP and linear polarization parameters were related to the C-band model (CMOD) geophysical model functions CMOD-IFR2 and CMOD5n. These were evaluated for their wind retrieval potential in each RCM mode. The CP parameter Conformity was investigated to establish a data-quality threshold (>0.2), to ensure high-quality data for model validation. An accuracy analysis shows that the first Stokes vector (SV0) and the right-transmit vertical-receive backscatter (RV) parameters were as good as the VV backscatter with CMOD inversion. SV0 produced wind speed retrieval accuracies between 2.13 m/s and 2.22 m/s, depending on the RCM mode. The RCM Medium Resolution 50 m mode produced the best results. The Low Resolution 100 m and Low Noise modes provided similar results. The efficacy of SV0 and RV imparts confidence in the continuity of robust wind speed retrieval with RCM CP data. Three image-based case studies illustrate the potential for the application of CP parameters and RCM modes in operational wind retrieval systems. The results of this study provide guidance to direct research objectives once RCM is launched. The results also provide guidance for operational RCM data implementation in Canada’s National SAR winds system, which provides near-real-time wind speed estimates to operational marine forecasters and meteorologists within Environment and Climate Change Canada.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,258
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetOcean Waves and Remote SensingTravaux en français237 207